公共文化服务平台

一种二维码的视觉优化方法、装置、电子设备及存储介质: 本发明涉及二维码生成技术领域，具体涉及一种二维码的视觉优化方法、装置、电子设备及存储介质。该优化方法包括以下步骤：获得背景图像的显著性区域与原始二维码的视觉差异度；将所述视觉差异度作为标准惩罚项计算每种掩码的惩罚值，选择...; 徐明亮王可卢洋姜晓恒吕培

融合先验知识推理的表面缺陷检测: 2024年; 当前基于深度学习的表面缺陷检测方法主要侧重于单独识别缺陷实例,即仅从区域特征方面考虑缺陷检测。然而,这种方法忽略了缺陷之间的高层关系,难免会出现缺陷检测误差。针对上述问题,提出了一种融合先验知识推理的表面缺陷检测网络(PKR-Net)。PKR-Net主要由2个部分组成,即显性知识推理模块(EKRM)和隐性知识推理模块(IKRM)。EKRM通过构建显性关系图(ERG)来捕获数据集中缺陷之间的全局共现关系得到共现关系特征,而IKRM通过构建隐性关系图(IRG)来捕获图像中缺陷之间的局部空间关系得到空间关系特征。最后将得到的共现关系特征和空间关系特征进行融合,并重新送入分类层和回归层以改进检测效果。在工业缺陷数据集Textile,NEU-DET和GC10-DET上进行实验验证,实验结果表明,该网络模型相比基线模型Faster RCNN,其mAP分别提升了14.8%,8.2%和18.9%,与其他缺陷检测模型相比能够达到更好的检测性能,验证了模型的有效性。; 姜晓恒段金忠卢洋崔丽莎崔丽莎; 关键词：表面缺陷检测先验知识目标检测

一种缺陷图像生成方法、装置、设备及介质: 本申请提供了一种缺陷图像生成方法、装置、设备及介质。该方法包括步骤：获取多个正常样本图像，将正常样本图像和高斯噪声输入第一生成网络中；根据多个正常样本图像和高斯噪声，计算获取每个正常样本图像对应的缺陷掩码；将正常样本图像...; 姜晓恒徐明亮李英杰卢洋崔丽莎南晓斐

一种用于工业制品表面缺陷检测的数据标注方法: 本发明公开了一种用于工业制品表面缺陷检测的数据标注方法，包括步骤：使用缺陷已标注数据集对特征提取模型和标注分类模型进行训练，利用训练好的特征提取模型提取缺陷未标注数据集的特征向量，将上述特征向量输入到训练好的标注分类模型...; 陈丽靳启帆徐明亮姜晓恒酒明远李书攀卢洋

基于数据不确定性和多样性的主动学习方法、设备和存储介质: 本发明公开了一种基于数据不确定性和多样性的主动学习方法；该方法包括首先需要随机选取部分样本，进行人工注释，形成已标记数据；然后用已标记数据进行模型训练；接着，用训练过的初始标注分类模型，估计未标记数据的不确定性；随后，根...; 陈丽温瑞华徐明亮姜晓恒酒明远李书攀卢洋

一种群体消极情绪态势预测和评价方法、装置: 本发明公开了一种群体消极情绪态势预测和评价方法，包括构建群体消极情绪数据集、构建群体情绪识别模型、构建群体情绪演化模型，输入被识别视频片段，利用所述群体情绪识别模型对初始图片进行群体消极情绪识别，然后继续利用所述群体情绪...; 卢洋王昕瑜徐明亮姜晓恒

基于视觉的焊缝识别方法、系统、设备及介质: 本发明公开了一种基于视觉的焊缝识别方法、系统、设备及介质，方法包括以下步骤：对RGB图像和深度图像分别进行特征提取，获得多级RGB编码特征和多级深度编码特征；对多级RGB编码特征和多级深度编码特征进行特征增强和跨模态特征...; 徐明亮姜晓恒郝世隆卢洋崔丽莎

丁苯酞对高龄急性脑梗死患者NFDS评分及Barthel指数的影响被引量：28: 2015年; 目的探讨丁苯酞软胶囊对高龄急性脑梗死患者神经功能缺损评分(NFDS)及日常生活活动能力量表(Barthel指数)的影响。方法急性脑梗死患者90例,随机分成对照组和观察组各45例。对照组接受常规治疗,观察组在常规治疗方式基础上加用丁苯酞软胶囊治疗。结果治疗后,观察组C反应蛋白(CRP)、白细胞介素(IL)-1、肿瘤坏死因子(TNF)-α水平低于对照组(P<0.01)。治疗10、20、30 d后,观察组NFDS评分低于对照组(P<0.01),Barthel指数高于对照组(P<0.01)。观察组的治疗总有效率(91.11%)高于对照组(73.33%)(P<0.05)。结论丁苯酞软胶囊用于治疗急性脑梗死疗效确切,能够减轻患者的炎症反应,促进患者神经功能的恢复与生活质量的提高改善。; 刘威唐娜娜卢洋王润青李江涛; 关键词：急性脑梗死丁苯酞软胶囊神经功能超敏C反应蛋白

一种表面缺陷数据合成与评估方法及电子设备、储存介质: 本发明公开了一种表面缺陷数据合成与评估方法及电子设备、储存介质。该方法利用工业产品缺陷的源数据，对数据生成模型进行训练，并得到合成的缺陷生成数据；将所述合成的缺陷生成数据输入到综合性能评价指标模型，计算所述合成的缺陷生成...; 徐明亮卢洋杨龙飞姜晓恒郝航陈林慧

SDENet:基于多尺度注意力质量感知的合成缺陷数据评价网络: 2025年; 通过对数据扩增方式合成的缺陷数据进行质量评估,有助于实现缺陷数据高质量扩充,进而缓解缺陷数据不足导致的检测模型性能不佳问题。针对现有质量评价算法在评估合成缺陷数据质量时更关注数据的失真特性而忽略了对数据缺陷属性考量的问题,提出一种基于注意力特征增强(AFE)和多尺度注意力质量感知(MAQP)的模型SDENet,综合考虑数据的失真特性和缺陷属性进行质量评价。首先,AFE通过双分支池化操作提高模型对不同尺寸、位置缺陷的泛化能力,并结合注意力机制增强模型对特征的表达。其次,MAQP对AFE增强后的特征进行向量化与融合处理,以更好地感知合成缺陷数据质量。最后,对融合后的特征进行质量评估,得到最终的评估分数。在构建的合成道路裂缝缺陷数据集上进行实验,结果表明,SDENet模型在RMSE,RMAE,PLCC和SROCC指标上均取得最优结果,比次优模型依次提升10.7%,5.0%,1.8%和1.8%,验证了模型的有效性。在失真数据集TID2013上,SDENet模型也取得较有竞争的结果,在PLCC和SROCC指标上依次达到0.902和0.876。; 卢洋陈林慧姜晓恒徐明亮

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

卢洋